L'utilizzo dell'intelligenza artificiale per l'interpretazione delle radiografie del torace influisce sul carico di lavoro dei radiologi, perché riduce il tempo impiegato nella lettura
La radiologia è stata una delle prime specializzazioni in assoluto in cui l’intelligenza artificiale (AI) sia stata utilizzata e, con l’emergere dei software di AI commerciali, sono stati compiuti maggiori sforzi di ricerca per dimostrarne l’efficacia e le possibili applicazioni. Diversi sono gli studi recenti che hanno dimostrato le potenzialità dell’AI in questo ambito: dall’individuazione delle emorragie cerebrali nelle tomografie computerizzate alla lettura delle mammografie, dal rilevamento di fratture ossee all’analisi delle radiografie del torace. Quest’ultimo è il protagonista dello studio pubblicato su npj Digital Medicine, che punta a comprendere se i tempi di lettura delle radiografie del torace possono essere influenzati dalla disponibilità dei risultati dell’analisi dell’immagine fatta dall’AI.
Negli ultimi anni, specialmente a causa della pandemia di COVID-19, il personale medico è stato esposto a livelli di stress elevati e a carichi di lavoro spesso ben oltre il normale. L’utilizzo dell'intelligenza artificiale nell'assistenza medica è stato ampiamente discusso per diversi anni, al fine di supportare il personale medico nell'affrontare il crescente carico di lavoro della routine quotidiana, soprattutto in settori altamente tecnici come i reparti radiologici che basano la loro attività sull’analisi di grandi quantità di immagini. Molti studi si basano sul riconoscimento da parte dell’AI di una specifica lesione o problematica, ma stanno aumentando i software che permettono l’analisi di più parametri.
Le radiografie del torace (CXR) sono le analisi per immagini più comunemente eseguite, ma l’interpretazione – specialmente nel caso di gravi lesioni – è molto difficile e richiede tempo. Per i radiologi, è di particolare interesse sapere se l'utilizzo dell'AI durante l'interpretazione possa influire sulla velocità con cui svolgono il loro lavoro. L’articolo pubblicato su npj Digital Medicine descrive uno studio prospettico osservazionale, i cui dati sono stati raccolti presso lo Yongin Severance Hospital (Corea del Sud) tra settembre e dicembre 2021, che si propone come obiettivo quello di osservare come l’AI influisce sul tempo di lettura dei radiologi nell’interpretazione quotidiana delle radiografie del torace. Per condurre l’analisi sono stati reclutati 11 radiologi, specialisti con un’esperienza consolidata tra i 10 e i 23 anni di attività, ed è stata presa in considerazione l’analisi di 18.680 CXR: il tempo di lettura è stato definito come la durata in secondi dall’apertura delle immagini alla trascrizione del referto da parte del radiologo.
Il software utilizzato in questo studio - Lunit Insight CXR, versione 3- è stato integrato nelle letture di tutte le CXR dal marzo 2020 e i medici del centro hanno potuto scegliere liberamente se utilizzarlo come supporto ad ogni analisi. Questa tecnologia è in grado di rilevare otto tipi di lesione e di visualizzare una mappa dei contorni delle lesioni, oltre a fornire dei punteggi relativi all’anormalità, da 0 a 100%, di ciascuna. Arrivando ai risultati: i tempi di lettura (riportati in una tabella allegata all’articolo) sono stati ridotti con l’uso dell’AI, rispetto al suo mancato utilizzo, di circa 2 secondi (variabile a seconda dell’anomalia considerata); confermando l’ipotesi che il suo uso potrebbe alleggerire e velocizzare il carico di lavoro dei radiologi. Tuttavia, i tempi di lettura non differivano significativamente in base all'uso dell'IA per le CXR con anomalie. Questo potrebbe essere dovuto al fatto che, in presenza di lesioni evidenziate dall'AI, i radiologi potrebbero impiegare più tempo per giudicare la validità della sua valutazione
Come tutti gli studi, anche questo presenta alcune limitazioni, ad esempio il numero diverso di immagini con anomalie nei periodi con o senza il supporto dell’AI, o il fatto che i radiologi non fossero obbligati a usare l’AI in tutte le letture (anche se uno studio recente ha riportato che in quel centro la utilizzano nell’83% dei casi).
In conclusione, l'AI può essere in grado di migliorare l'efficienza dei radiologi, facendo risparmiare il tempo dedicato alla lettura delle immagini normali e consentendo loro di investire quel tempo per le CXR che presentano anomalie.
